如何按指定格式合并多个DataFrame？求简便实现方案

算力阿峰

2026-5-8

简单解决DataFrame合并问题：按行填充缺失type值

看起来你想实现的是按行对齐三个DataFrame，保留每个行里唯一非空的type值，其实不用复杂的分组操作，利用pandas的combine_first方法就能轻松搞定，思路如下：

核心逻辑

因为你的三个DataFrame行索引完全对齐（都是5行，name_a/name_b/name_c列内容也一致），combine_first会自动按索引和列名匹配，用右侧DataFrame的非空值填充左侧DataFrame的缺失值。我们只需要按你期望的优先级调整顺序即可：

优先保留DataFrame 1的type值
当DataFrame 1的type为空时，用DataFrame 3的type填充
最后用DataFrame 2的type填充剩余的空值

代码实现

先模拟你的三个DataFrame：

import pandas as pd

# 构造DataFrame 1
df1 = pd.DataFrame({
    'name_a': ['a']*5,
    'name_b': ['b']*5,
    'name_c': ['c']*5,
    'type': ['type_a', None, None, 'type_a', None]
})

# 构造DataFrame 2
df2 = pd.DataFrame({
    'name_a': ['a']*5,
    'name_b': ['b']*5,
    'name_c': ['c']*5,
    'type': [None, None, 'type_b', None, None]
})

# 构造DataFrame 3
df3 = pd.DataFrame({
    'name_a': ['a']*5,
    'name_b': ['b']*5,
    'name_c': ['c']*5,
    'type': [None, 'type_c', None, None, None]
})

然后执行合并：

# 按优先级合并
result = df1.combine_first(df3).combine_first(df2)
# 可选：将type列的nan转为空值，和你的期望格式完全匹配
result['type'] = result['type'].where(pd.notnull(result['type']), None)

查看结果：

name_a name_b name_c    type
0      a      b      c  type_a
1      a      b      c  type_c
2      a      b      c  type_b
3      a      b      c  type_a
4      a      b      c    None

完全符合你期望的输出格式！